(完整版)BP神经网络matlab实例(简单而经典).doc
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
p=p1';t=t1';
[pn,minp,maxp,tn,mint,maxt]=premnmx(p,t); % 原始数据归一化
net=newff(minmax(pn),[5,1],{'tansig','purelin'},'traingdx'); %设置网络,建立相应的BP 网络net.trainParam.show=2000; % 训练网络
net.trainParam.lr=0.01;
net.trainParam.epochs=100000;
net.trainParam.goal=1e-5;
[net,tr]=train(net ,pn,tn); %调用TRAINGDM 算法训练BP 网络
pnew=pnew1';
pnewn=tramnmx(pnew,minp,maxp);
anewn=sim(net,pnewn);
anew=postmnmx(anewn,mint,maxt); %对 BP 网络进行仿真%还原数据
y=anew';
1、 BP 网络构建
（1）生成 BP 网络
net newff ( PR,[ S1 S2...SNl],{ TF1 TF 2...TFNl }, BTF , BLF , PF ) PR ：由R 维的输入样本最小最大值构成的R 2 维矩阵。
[ S1 S2...SNl] ：各层的神经元个数。
{TF 1 TF 2...TFNl } ：各层的神经元传递函数。
BTF ：训练用函数的名称。
（2）网络训练
[ net,tr ,Y, E, Pf , Af ] train (net, P, T , Pi , Ai ,VV , TV )
（3）网络仿真
[Y, Pf , Af , E, perf ] sim(net, P, Pi , Ai ,T )
{'tansig','purelin'},'trainrp'
BP 网络的训练函数
训练方法
梯度下降法
有动量的梯度下降法
自适应 lr 梯度下降法
自适应 lr 动量梯度下降法弹性梯度下降法训练函数traingd traingdm traingda traingdx trainrp
Fletcher-Reeves 共轭梯度法traincgf Ploak-Ribiere 共轭梯度法traincgp
Powell-Beale 共轭梯度法traincgb 量化共轭梯度法trainscg 拟牛顿算法trainbfg 一步正割算法trainoss Levenberg-Marquardt trainlm
BP 网络训练参数
训练参数
net.trainParam.epochs
net.trainParam.goal net.trainParam.lr
net.trainParam.max_fail net.trainParam.min_grad net.trainParam.show net.trainParam.time
net.trainParam.mc net.trainParam.lr_inc 参数介绍
最大训练次数（缺省为10）
训练要求精度（缺省为0）
学习率（缺省为0.01 ）
最大失败次数（缺省为5）
最小梯度要求（缺省为
1e-10）
显示训练迭代过程（ NaN 表示
不显示，缺省为 25）
最大训练时间（缺省为inf ）
动量因子（缺省0.9）
学习率lr增长比（缺省为
1.05）
训练函数
traingd 、traingdm 、traingda 、
traingdx 、 trainrp 、 traincgf 、
traincgp 、traincgb 、trainscg、
trainbfg 、 trainoss、 trainlm
traingd 、traingdm 、traingda 、
traingdx 、 trainrp 、 traincgf 、
traincgp 、traincgb 、trainscg、
trainbfg 、 trainoss、 trainlm
traingd 、traingdm 、traingda 、
traingdx 、 trainrp 、 traincgf 、
traincgp 、traincgb 、trainscg、
trainbfg 、 trainoss、 trainlm
traingd 、traingdm 、traingda 、
traingdx 、 trainrp 、 traincgf 、
traincgp 、traincgb 、trainscg、
trainbfg 、 trainoss、 trainlm
traingd 、traingdm 、traingda 、
traingdx 、 trainrp 、 traincgf 、
traincgp 、traincgb 、trainscg、
trainbfg 、 trainoss、 trainlm
traingd 、traingdm 、traingda 、
traingdx 、 trainrp 、 traincgf 、
traincgp 、traincgb 、trainscg、
trainbfg 、 trainoss、 trainlm
traingd 、traingdm 、traingda 、
traingdx 、 trainrp 、 traincgf 、
traincgp 、traincgb 、trainscg、
trainbfg 、 trainoss、 trainlm
traingdm 、 traingdx traingda 、
traingdx
net.trainParam.lr_dec 学习率 lr 下降比（缺省为 0.7） traingda 、 traingdx
net.trainParam.max_perf_inc 表现函数增加最大比（缺省traingda 、 traingdx
为 1.04）
net.trainParam.delt_inc 权值变化增加量（缺省为trainrp
1.2）